Python -仅保留字母数字和空格，忽略非ASCII

Question

我使用此行删除除空格以外的所有非字母数字字符

re.sub(r'\W+', '', s)

不过，它仍然保留了非英文字符。

例如，如果我有

re.sub(r'\W+', '', 'This is a sentence, and here are non-english 托利 苏 !!11')

我想要作为输出：

> 'This is a sentence and here are non-english  11'

Answer 1

re.sub(r'[^A-Za-z0-9 ]+', '', s)

(编辑)澄清：[]创建一个字符列表。^会否定该列表。A-Za-z是英文字母表，是空格。对于其中的任何一个或多个(即，不是A-Z、a-z或空格的任何内容)，请替换为空字符串。

Answer 2

我曾经遇到过这个问题，唯一的区别是我不能导入任何东西或使用正则表达式。

为了解决我的问题，我创建了一个列表，其中包含我想要保留的所有值：

values = list("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789 ")

然后我创建了一个函数，它将遍历字符串中的每一项，如果它不在values列表中，它将从字符串中删除(替换)它：

def remover(my_string = ""):
  for item in my_string:
    if item not in values:
      my_string = my_string.replace(item, "")
  return my_string

例如，以下代码：

print(remover("H!e£l$l%o^ W&o*r(l)d!:)"))

应输出：

'Hello World'

当然，这不是最好的方法，但考虑到目前的情况，这是一种快速而简单的完成工作的方法。

注意：您可以通过将if item not in values更改为if item in values来替换values列表中为的项。

注意：我不被允许使用string constants，因为必须导入string包才能使用它们。

祝好运。

Answer 3

这可能不是这个具体问题的答案，但我在研究过程中遇到了这个主题。

我想要达到与提问者相同的目标，但我想包括非英语字符，如:ä，ü，？，...

提问者代码的工作方式，空格也将被删除。

以下是一个简单的解决方法：

re.sub(r'[^ \w+]', '', string)

^表示除以下各项外的所有内容都已选中。在这种情况下\w，因此每个单词字符(包括非英语)和空格。

我希望这能在将来帮助一些人。